Jeg er ikke bange for AI, hvis …

For mens samtalen om kunstig intelligens buldrer afsted, taler vi overraskende ofte om AI, som om vi alle sammen ved, hvad vi mener. Det gør vi ikke. Nogle forestiller sig avancerede systemer, der træffer beslutninger, styrer produktion og overtager hele jobfunktioner. Andre bruger ChatGPT til at skrive en mail, lave et referat eller få hjælp til et nyhedsbrev. Begge dele hedder AI.

Det giver en del AI-tåge. Og gør det vanskeligt at føre en ordentlig samtale om, hvad teknologien egentlig gør ved vores virksomheder og ved os.

Hvad bruger danske virksomheder egentlig AI til?

AI er allerede flyttet ind på de danske arbejdspladser. De nyeste tal fra Danmarks Statistik viser, at 55 procent af virksomhederne med 10 til 49 ansatte bruger mindst én AI-teknologi. Blandt virksomheder med mindst 250 ansatte gælder det hele 88 procent.

Det er mange. Men tallene bliver først rigtig interessante, når vi kigger på, hvad teknologien faktisk bliver brugt til. De seneste detaljerede opgørelser viser blandt andet brug af AI til at producere og analysere tekst, analysere data, automatisere arbejdsgange, marketing og salg, økonomistyring, regnskab og forskellige former for forretningsprocesser og ledelse.

Ser vi specifikt på generativ AI, er billedet også mere jordnært end meget af den offentlige samtale. Generativ AI er den del af kunstig intelligens, der kan skabe nyt indhold på baggrund af det, den har lært fra enorme mængder data. Det kan være tekst, billeder, lyd, video, kode og analyser. ChatGPT er et eksempel.

I en undersøgelse fra Dansk Industri i 2025 svarede 72 procent af virksomhederne, at de anvendte generativ AI. Hos de fleste var det dog fortsat kun en mindre del af medarbejderne, der anvendte teknologien ugentligt.

Det er værd at have med, når vi taler om den store AI-revolution. For en betydelig del af den AI-anvendelse, der allerede foregår på danske arbejdspladser, er temmelig konkret. Mennesker skriver, søger, sammenfatter, analyserer, automatiserer, beregner og producerer ved hjælp af nye og meget effektive redskaber. Det er ikke mindre revolutionerende af den grund. Men måske kan lidt konkret viden få noget af mystikken ud af samtalen.

Det interessante er ikke længere, om vi skal bruge AI

Det løb er efter min vurdering kørt. Vi kommer til at bruge AI. Meget. Teknologien kan allerede løse en lang række opgaver hurtigere end mennesker. Den kan bearbejde enorme datamængder, finde mønstre, producere tekst, oversætte, programmere, strukturere og fungere som en ret imponerende sparringspartner. Det ville være mærkeligt ikke at bruge den.

Derfor interesserer spørgsmålet om for eller imod AI mig ikke særlig meget. Jeg er langt mere optaget af, hvordan vi bruger den. For teknologi ændrer ikke bare de arbejdsopgaver, den overtager eller hjælper med. Den ændrer også langsomt arbejdsgange, vaner, faglighed og relationer omkring opgaven. Og dér synes jeg, virksomhederne har en langt større opgave foran sig, end den almindelige effektivitetsbegejstring sommetider giver plads til.

Jeg er ikke bange for AI, hvis vi ved, hvad vi bruger den til

Det lyder næsten banalt, men prøv at spørge rundt i en organisation. Hvilke AI-systemer bruger medarbejderne? Til hvilke opgaver? Hvilke oplysninger lægger de ind? Hvilke beslutninger får AI lov til at påvirke? Hvem kontrollerer svarene? Hvornår skal et menneske ind over? Og hvem har ansvaret, når systemet tager fejl?

Datatilsynet har allerede advaret om arbejdsrelaterede personoplysninger, der er blevet lagt ind i generative AI-værktøjer uden tilstrækkelige organisatoriske rammer. Samtidig stiller EU's AI-forordning krav om tilstrækkelige AI-færdigheder hos medarbejdere, der arbejder med AI-systemer.

En AI-politik giver derfor god mening. Men den interessante del af sådan en politik burde efter min mening ikke kun handle om datasikkerhed, systemer og jura. Den burde også handle om, hvad virksomheden ønsker at stille op med mennesket.

Alexandra Krautwald er aktuel med inspirerende foredrag med ekspertindsigt i strategi, ledelse og fremtidens arbejdsplads. Med afsæt i adfærdspsykologi og moderne arbejdsmarkedsforskning udfordrer hun gængse forestillinger om arbejdslivet og giver nye perspektiver på, hvordan sprog, menneskesyn og relationer påvirker trivsel, samarbejde og resultater.

Når en teknologi kan udføre noget for os, holder vi naturligvis gradvist op med selv at udføre dele af processen. Det er ofte hele pointen. Jeg behøver ikke kunne dividere et sekscifret tal på papir, fordi jeg har en lommeregner. Jeg behøver ikke huske vejen gennem Stockholm, fordi bilen fortæller mig, hvor jeg skal dreje.

Generativ AI er imidlertid interessant, fordi den ikke kun overtager mekaniske eller praktiske funktioner. Den bevæger sig ind i aktiviteter, vi hidtil har betragtet som vores kognitive hjemmebane. Den kan formulere, analysere, sammenligne, opsummere, argumentere, finde idéer og løse problemer.

Dermed opstår risikoen for noget, jeg vil kalde tankeudlicitering. Ikke fordi vi pludselig holder op med at tænke, men fordi dele af den proces, der tidligere foregik i vores eget hoved, nu meget let kan sendes ud af huset.

Et studie fra Microsoft Research blandt 319 vidensarbejdere og 936 konkrete eksempler på brug af generativ AI fandt en sammenhæng mellem større tillid til AI og mindre rapporteret kritisk tænkning. Det betyder ikke, at AI gør os dumme. Den konklusion ville forskningen ikke kunne bære. Tværtimod tyder noget på, at den menneskelige tænkning ændrer karakter. Vi går fra selv at producere hele løsningen til i højere grad at kontrollere, vurdere, integrere og korrigere det, maskinen producerer.

Men det kræver jo, at der er noget at kontrollere med. Faglig viden, erfaring, dømmekraft, kritisk sans og evnen til at opdage, at et svar er forkert, også når det lyder aldeles overbevisende.

Derfor bør virksomheder ikke kun have en plan for, hvilke kompetencer medarbejderne skal lære for at kunne bruge AI. De bør også beslutte, hvilke kompetencer medarbejderne skal bevare, mens AI bliver stadig bedre.

Hjernevedligeholdelse bliver en ledelsesopgave

Det synes jeg, vi taler forbavsende lidt om.

Hvis AI kan lave det første udkast, hvorfor skulle den unge medarbejder så lære at lave det? Hvis AI kan analysere materialet, hvor ofte skal man så selv foretage den grundige analyse? Og hvis AI på få sekunder kan komme med fem strategiske muligheder, hvor tit sætter vi os så stadig ned og tænker problemet helt igennem uden hjælp?

Det effektive svar vil ofte være at lade maskinen gøre det, den er bedst til. Det giver mening. Men der følger et andet spørgsmål med, som er mindre bekvemt. Hvordan bliver man erfaren, hvis man ikke længere udfører de opgaver, erfaringen bygges af? Hvordan udvikler man dømmekraft, hvis man primært vurderer løsninger, man ikke selv har været med til at skabe? Og hvordan opdager man, at AI tager fejl, hvis ens egen faglighed langsomt er blevet tyndere?

Det er her, hjernevedligeholdelse kommer ind. Ikke som endnu et individuelt selvudviklingsprojekt, hvor medarbejderen skal sendes hjem med besked på at huske at tænke lidt mere. Det er en organisatorisk opgave. Hvis bestemte faglige og kognitive evner er vigtige for virksomheden om fem eller ti år, skal arbejdet indrettes, så mennesker fortsat får anledning til at bruge dem.

Det, vi konsekvent holder op med at bruge, bliver sjældent stærkere.

Der er også noget andet, vi kan komme til at outsource

Hinanden.

En del af et arbejdsliv består af små menneskelige afhængigheder. Man spørger en kollega. Går hen til økonomiafdelingen. Vender en formulering med sidemanden. Diskuterer et problem. Bliver modsagt. Hører en historie. Får en idé, fordi et andet menneske forstod spørgsmålet på en anden måde.

Nu kan jeg i mange situationer spørge maskinen i stedet. Det er hurtigt og effektivt. Den har altid tid, bliver ikke irriteret og fortæller sjældent, at jeg kommer på et dårligt tidspunkt.

Det er fantastisk praktisk. Men arbejdspladser bør efter min mening interessere sig for, om der samtidig kan opstå et samværstab. Vi har endnu ikke forskning nok til at konkludere, at generativ AI gør os mindre sociale på arbejdet. Derfor skal vi heller ikke påstå det. Men vi har rigeligt med grund til at stille spørgsmålet, mens teknologien finder sin plads.

For mennesker bliver ikke kun dygtige gennem adgang til information. Vi bliver dygtige sammen med andre mennesker. Gennem observation, efterligning, diskussion, modstand, fejl, samarbejde og de utallige små udvekslinger, der aldrig står i en jobbeskrivelse. Den menneskelige friktion er langsommere end en LLM. Den kan også være irriterende, ineffektiv og besværlig. Men den kan noget, som et gnidningsløst svar fra en maskine ikke nødvendigvis kan.

Med over 500 foredrag bag sig og fem stærke fagbøger i rygsækken – bl.a. “Strategiimplementering”, “Oplagt – at lede adfærd” og den nyeste “Menneskesynet” (2024) – trækker Alexandra på et usædvanligt tværfagligt fundament: økonomi, psykologi, naturvidenskab og strategi.

Tre beslutninger virksomheder bør tage

Hvis jeg sad med ansvaret for AI i en virksomhed, ville jeg derfor være optaget af tre ting.

1. Beslut hvad AI skal gøre.

Kortlæg de konkrete arbejdsopgaver. Hvor skaber teknologien reel værdi? Hvor må den assistere? Hvilke data må den få adgang til? Hvor er fejl acceptable, og hvor er de ikke? Hvornår kræves menneskelig kontrol? Og hvem har det endelige ansvar? Det tvinger virksomheden væk fra AI som begejstringsord og hen til konkret anvendelse.

2. Beslut hvad mennesket fortsat skal kunne.

Identificér de faglige og kognitive færdigheder, virksomheden ikke vil miste. Det kan være grundlæggende faglig viden, analyse, problemløsning, kritisk tænkning, kreativitet eller dømmekraft. Og sørg derefter for, at mennesker fortsætter med at bruge dem. Kompetencer vedligeholdes ikke ved at stå i en kompetencestrategi. De vedligeholdes ved at blive brugt.

3. Beslut hvad mennesker fortsat skal gøre sammen.

Se på de steder, hvor faglig uenighed, sparring, idéudvikling, læring, relationer og fælles problemløsning har værdi. Også selv om en maskine kunne gøre dele af processen hurtigere. For arbejdets kvalitet handler ikke kun om, hvor effektivt en opgave bevæger sig fra A til B. Den handler også om, hvad der sker med mennesker og organisationen undervejs.

AI afslører også vores menneskesyn

Det er måske her, AI bliver mere interessant for mig end selve teknologien.

For vores måde at tage den i brug på fortæller noget om, hvilket menneske vi forestiller os skal leve og arbejde sammen med den.

I et stadig mere indadrettet menneskesyn bliver det nærliggende svar, at den enkelte må lære at håndtere udviklingen. Medarbejderen skal være AI-kompetent, omstillingsparat, opkvalificeret og klar til at følge med. Ansvaret bevæger sig hurtigt ind i mennesket.

Men mennesker eksisterer ikke alene over for teknologien. Vi eksisterer i fag, organisationer, relationer og fællesskaber. Derfor har virksomheder også et ansvar for den virkelighed, de bygger omkring deres medarbejdere.

Jeg ønsker bestemt ikke et arbejdsliv, hvor vi holder fast i langsomme processer alene af kærlighed til gamle dage. Jeg ønsker heller ikke mennesker placeret i en meningsløs konkurrence med maskiner, der på bestemte områder allerede er langt hurtigere og på andre områder vil blive langt bedre. Men jeg synes, vi skal vogte os for en effektivitetsforelskelse, hvor alt, der kan gøres hurtigere, automatisk bør gøres hurtigere.

For måske er spørgsmålet ikke alene, hvor meget AI kan gøre for os.

Det er også, hvad vi gerne fortsat vil kunne gøre selv. Og hvad vi fortsat vil kunne gøre med hinanden.

Jeg er ikke bange for AI, hvis vi bliver lige så ambitiøse på menneskets vegne, som vi er på teknologiens.